Louie_worth的博客

今天看到一道强化学习面试题目，才知道即使自己学了这么多理论，但是肯定是学的倒懂不懂的状态，记录以下。 文章目录伪代码介绍主要区别区别详解图解 伪代码介绍 Q-learning: off policy Sarsa: on policy 主要区别 Q-learning: off policy, Sarsa: on policy 其实主要区别是他们两个更新Q_table的方式： Q-Learning: Q(St,At)←Q(St,At)+α[Rt+1+γmax⁡aQ(St+1,a)−Q(St,At)] .